A Dual-space Patch-driven Complementary Learning Framework for Semi-supervised Multi-organ Segmentation¶

会议: ECCV 2026
论文: https://eccv.ecva.net/virtual/2026/poster/3317
PDF: https://media.eventhosts.cc/Conferences/ECCV2026/pdfs/928.pdf
领域: 医学图像
关键词: 半监督多器官分割、类别不平衡、局部增强、共现解耦、对比学习

一句话总结¶

DPCL 用稀有类别与预测不确定性共同引导局部裁剪，再以全图—局部伪标签融合和互补对比学习减少相邻器官的特征混淆，在 Synapse 的 2 个有标注病例设置下获得 68.89% 平均 Dice。

研究背景与动机¶

半监督医学分割希望以少量精细标注带动更多未标注扫描，但多器官任务并不只是把二分类扩展成更多输出通道。同一张腹部切片中，肝脏等大结构提供大量训练像素，胰腺、胆囊等小结构却既少见又难辨认；标注病例越少，这种监督不均衡越明显。一致性正则化和伪标签可以扩大训练信号，却不保证新增信号能覆盖小器官，也不保证模型的高置信度预测是正确的。

更隐蔽的问题是器官共现：相邻器官经常同时出现，网络可能把邻居的外观或位置线索当成目标器官的证据。这种依赖会产生错误激活，而且错误区域也可能具有很高置信度，因而仅靠置信度过滤无法彻底消除。论文把类别不平衡和共现混淆联系起来：小器官不仅被大器官淹没，其表示还可能被共同出现的大器官牵引；仅重新加权损失不能直接解决这种特征纠缠。

DPCL 因而先改变模型在图像空间里“看哪里”，再约束它在特征空间里“区分什么”。局部裁剪增加困难结构的有效曝光，类别原型和对比目标则要求网络真正区分局部同时出现的器官，同时维持全局类别边界。 核心 idea：用类别稀有度与不确定性选择有价值的局部视野，并让局部共现判别和全局类别判别互补，而不是把更多高置信度像素等同于更可靠的学习。

方法详解¶

整体框架¶

输入是有标注和无标注的 CT/MRI 图像，实际实验先将三维体数据转成二维切片。每张完整切片保留全局视野，同时产生多个局部图像块；学生网络学习分割，教师网络为无标注样本生成预测。网络沿用 U-Net，但将完整图像与裁剪图像的归一化统计分开，其他表征计算共享。

图像空间的处理包含“双先验裁剪”“双归一化”和“伪标签融合”：前两者让局部视野既有针对性又不污染全图统计，第三者利用全图与局部预测的互补性训练学生。特征空间的“互补共现对比”则只用有标注图像构建可靠类别原型，同时约束局部类别表示和全图像素表示。这些分支是训练阶段的协作；推理时只输入完整图像，不必再次裁剪和融合局部预测。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["有标注与无标注<br/>完整切片"] --> B["双先验裁剪"]
    B --> C["双归一化<br/>全图与局部编码"]
    C -->|"无标注预测"| D["伪标签融合"]
    C -->|"有标注特征"| E["互补共现对比"]
    D --> F["联合训练<br/>分割与对比目标"]
    E --> F
    F --> G["推理仅用全图<br/>输出器官分割"]

关键设计¶

1. 双先验裁剪：同时照顾少数类和难判区域

随机裁剪可能反复抽到背景或容易识别的大器官，因此 DPCL 按像素采样权重选择裁剪中心。类别先验来自当前图像的各前景类别像素频数，通过对数重加权提高稀有类别的相对权重；不确定性先验则来自预测概率的熵。高熵意味着多个类别概率相近，常见于边界或外观模糊区域，但高熵本身并不能区分“小器官”与“大器官上的难点”。将二者相乘，可以优先关注既稀有又难判的区域，而不是只追逐全图最不确定的位置。

具体地，原文式（5）把“1 加像素熵”与对应类别权重相乘，再加一个正的小常数，以保留非零采样机会。熵的定义为 \(\mathcal H(P_j)=-\sum_{k=0}^{K-1}P_j(k)\log P_j(k)\)，其中 \(P_j(k)\) 是像素 \(j\) 属于类别 \(k\) 的概率。有标注图像用真实标签计算类别频数，结合学生预测；无标注图像改用教师的全图伪标签和概率图。随后按权重分布随机采样中心，记录裁剪坐标，使图像块标签、局部预测和全图位置能够对应。默认每张图取 4 个 \(64\times64\) 图像块，而不是把全图均匀切成互不重叠的网格。

2. 双归一化：共享识别能力，不混用两种视野的统计

局部图像块不是完整图像的简单“小副本”：背景比例、器官占比和强度分布都可能变化。若两类输入共同更新一套归一化统计，局部增强反而可能引入分布冲突，使全图分割受损。 DPCL 将 U-Net 中的归一化层替换为双归一化（Dual Normalization，DN），分别维护全图与裁剪输入的均值、方差和仿射参数。两套统计通过各自的指数移动平均更新，但这不等于训练两套互不相关的分割骨干。

这样，卷积特征仍能从两种视野共同学习，而归一化处理知道当前特征来自哪一种输入分布。对局部图像学到的小器官外观可以影响共享表示，同时避免直接把局部强度统计套到完整图像上。推理只用完整图像，所以不需要维护额外的局部推理分支；不过训练时额外图像块仍然带来计算开销。

3. 伪标签融合：逐像素选择全图或局部更确定的判断

教师分别处理弱增强的完整图像和图像块，学生对无标注样本处理强增强版本。首先把教师的局部预测按裁剪坐标放回全图位置；如果多个图像块覆盖同一像素，就选预测熵最低的那个，而不是直接平均。随后比较合并后的局部预测与全图预测，在有局部覆盖的位置优先选熵更低的一方；没有局部覆盖时保留全图预测。这使局部边界细节有机会纠正粗糙的全图判断，也允许全局上下文否决缺少上下文的局部误判。

选中的类别标签形成统一伪标签，其对应最大类别概率再接受置信度阈值 \(\gamma_1\) 的过滤。因此，熵负责“选哪一种视野”，最大概率阈值负责“这个像素是否值得监督”，二者作用不同。最终伪标签通过坐标对应监督学生的全图和局部分割，并使用无监督 Dice 损失。这一机制并未证明低熵预测一定正确：它只是改进可用监督的选择，仍需后续特征约束处理高置信度共现错误。

4. 互补共现对比：局部重点分开邻居，全局保持全部类别边界

学生特征经过投影头后形成用于对比学习的表示。类别原型只从有标注数据计算：先用真实标签确定类别，再保留该类预测概率不低于 \(\gamma_2=0.9\) 的像素，并平均其投影特征。全图与裁剪图像各自产生类别表示，再共同更新一个按类别维护的动量原型库，原型动量为 0.99。包含小器官的图像块提供更有针对性的更新，缓解少数类原型出现次数少、更新缓慢的问题。需要区分这里的原型构建和后面的局部查询：局部类别语义按真实标签平均图像块内同类特征，原型构建才明确采用上述可靠性过滤。

图像块对比损失（PBC）把某个局部类别语义作为查询，以同类全局原型为正样本，只把当前图像块中共同出现的其他类别原型作为负样本。它没有平均对待所有负类，而是聚焦当前确实容易混淆的邻居，让局部边界附近的类别表示被直接拉开。全局对比损失（GBC）则以有标注全图的像素特征为查询，拉近真实类别原型，并与全部类别原型比较。因此，原文式（18）的查询是像素特征，并不是简单让两份同类原型彼此靠近。

两个损失共享由全图和局部共同更新的原型库，才形成全局语义与局部细节之间的联系。只有 PBC 时，不共现的类别缺少直接区分压力；只有 GBC 时，针对相邻器官的困难关系可能被全局平均目标稀释。组合两者的目的，是同时保留局部重点判别与全局类别一致性，而非堆叠两个作用完全相同的对比项。

损失函数 / 训练策略¶

有标注数据的全图和局部分支使用交叉熵与 Dice 损失；无标注数据使用经过置信度过滤的伪标签监督。总目标来自原文式（19）：

\[ \mathcal L_{\mathrm{total}} =\mathcal L_{\mathrm{sup}}+\lambda_u\mathcal L_{\mathrm{unsup}} +\lambda_m(\mathcal L_{\mathrm{pbc}}+\mathcal L_{\mathrm{gbc}}). \]

原文取 \(\lambda_u=0.25\)，对比损失权重采用高斯预热 \(\lambda_m(t)=0.1\exp[-5(1-t/t_{\max})^2]\)。先逐步建立可用表示，再提高对比约束强度，比训练一开始就强迫不稳定原型承担较大监督更合理。实现使用 256 维投影特征、SGD、0.9 动量、0.0001 权重衰减和 0.01 初始学习率，配合多项式衰减，训练 30,000 次迭代。有标注和无标注数据的批大小均设为 6，实验硬件为 NVIDIA 3090；所有体数据先转换为 \(256\times256\) 二维切片。正文没有清楚交代教师参数更新的具体规则，因此这里不把常见 Mean Teacher 的 EMA 设置当成本论文已验证的实现细节。

实验关键数据¶

主实验¶

下表选取原文表 1、表 2 的关键设置，Dice 越高越好，ASD 为以体素计的平均表面距离、越低越好。每行比较同一数据集、同一标注设置；对照项按该设置下表内最高平均 Dice 选择，并非意味着它在 ASD 上也最优。 “增益”由表中 Dice 相减得到，单位为百分点，不沿用正文部分存在疑点的相对提升百分比。

数据集与标注设置	对照方法	对照 Dice / ASD	DPCL Dice / ASD	Dice 增益
Synapse，1/18 训练病例有标注（论文称 5%）	ABD	53.57 / 32.84	61.48 / 23.78	+7.91
Synapse，2/18（论文称 10%）	AD-MT	62.73 / 22.25	68.89 / 14.84	+6.16
FeTA2021，3/56（论文称 5%）	AD-MT	68.31 / 4.60	70.04 / 4.58	+1.73
SegTHOR，3/28（论文称 10%）	FixMatch	76.65 / 4.20	78.18 / 3.26	+1.53
ACDC，7/70（论文称 10%）	CGS	89.83 / 0.68	90.47 / 0.28	+0.64

划分为 Synapse 18 例训练、12 例测试；FeTA2021 为 56/8/16；SegTHOR 为 28/4/8；ACDC 为 70/10/20，后三者顺序为训练/验证/测试（第 4.1 节）。论文说明方法采用相同有标注/无标注数据设置，并以 U-Net 为主要比较骨干，但 DPCL 增加了训练图像块和对比计算，不能据此声称等训练算力。 ACDC 的 M3HL 在表 2 中同时列出复现 Dice 88.83 和原报告 Dice 90.47；DPCL 与后者持平，不能称为超过所有既有报告值。此外，Synapse 10% 的 SKCDF ASD 为 12.38，优于 DPCL 的 14.84，因此“所有指标全面领先”并不成立。

消融实验¶

以下选自表 3，全部为 Synapse、2 个有标注训练病例和 12 个测试病例的同一评测设置。局部增强包含裁剪及伪标签相关训练；第一行同时保留 DN，不能误称为纯监督基线。

配置	Dice (%) ↑	ASD（体素）↓
局部增强 + DN，不使用 PBC/GBC	64.55	20.85
局部增强 + DN + PBC	66.17	16.11
局部增强 + DN + GBC	67.50	15.88
局部增强 + PBC + GBC，不使用 DN	64.84	20.48
完整 DPCL	68.89	14.84

完整模型相对去掉 PBC 的配置提高 1.39 个 Dice 百分点，相对去掉 GBC 提高 2.72 个百分点，相对去掉 DN 提高 4.05 个百分点。这支持两种对比目标互补，同时说明共享全图/局部网络时，归一化分布冲突并非可以忽略的实现细节。但局部增强行已经加入无标注学习，不能把它相对纯监督模型的全部提升都归因为裁剪操作本身。

关键发现¶

表 4(c) 中，均匀采样、不确定性采样、类别频数采样和组合采样的 Dice 分别为 65.57、67.54、66.10 和 68.89。组合优于单一先验，证据更支持“互补”，而不是其中一个先验完全替代另一个。
表 4(a–b) 的测试范围内，4 个图像块、边长 64 最优；更多图像块并不持续改善结果。这个结论只限于该 Synapse 设置，不是跨器官数据集的通用最优值。
表 1 的 Synapse 10% 胰腺 Dice 为 54.90，仍远低于肝脏的 91.21。DPCL 缓解了困难类别问题，但没有消除不同器官之间的性能差距。

亮点与洞察¶

把训练曝光与判别目标一起设计。 采样决定网络经常看见什么，PBC 决定它必须区分什么；只增加少数类图像块而不约束邻居关系，并不能保证减少共现混淆。
区分预测可靠性与表示可分性。 熵选择和概率阈值改善伪标签来源，对比目标则处理仍可能高置信度出错的特征，二者承担不同职责。
增强主要留在训练阶段。 图像块训练与双归一化让全图模型吸收局部细节，测试仍仅处理全图；这不等于论文已证明训练成本或推理延迟不变。

局限与展望¶

原文证据边界： 正文没有独立局限性讨论，也未报告多次随机种子均值、标准差或显著性检验。仅 1–2 个有标注病例的结果可能依赖病例选择，这是阅读者的评估，不是作者已经量化的结论。
阅读者判断： 原型仅来自高置信度有标注像素，有助于避开伪标签噪声，但极难类别可能连可靠原型样本都不足。局部采样只能改善曝光，无法凭空补充缺失的标注外观。
适用范围： 实验基于二维切片，未验证三维空间连续性、跨中心外部测试或临床部署；四个数据集上的结果不能直接等同于临床泛化保证。
文本与复现缺口： 第 4.4 节正文写完整模型 Dice 为 68.67，而表 1、3、4 一致为 68.89，部分消融增幅也与表格不符。本笔记统一采用表格值并明确计算百分点差值。
材料边界： 可用本地全文包含 18 页正文与参考文献；正文提及的额外超参数附录不在该缓存中。未据此补写温度、伪标签阈值或教师更新等未核实参数，代码链接亦未提供。

评分¶

新颖性: 3.5/5。把类别感知裁剪、域相关归一化与两种对比目标组合得有针对性，但各基础机制并非全新。
实验充分度: 3.5/5。四个数据集和逐模块消融较完整，欠缺多次运行统计、计算成本和外部泛化验证。
写作质量: 3/5。问题与框架清楚，但结果正文与表格不一致，部分实现细节交代不足。
价值: 4/5。对少标注多器官分割提供可解释、测试流程较简洁的训练改造方案。